R: R JSON 与 XML

Q: fromJSON 返回 list 怎么转 data.frame？

嵌套数组自动转数据框；纯 list 用 as.data.frame() 或 dplyr::bind_rows() 强转。

Q: JSON 里有 null 怎么转 R？

null → NA ， true → TRUE ， false → FALSE ，数组 → 列表/数据框。jsonlite 自动处理。

最后更新：2026-08-26

上一课我们学了 CSV/Excel——但 Web 时代的数据越来越多是 JSON 格式（API 响应、配置文件、NoSQL 数据库）。这一课我们学 R 读写 JSON 的标准方案：jsonlite，以及处理 XML 数据的 xml2。

读完这一课你就能把 API 返回的嵌套 JSON 5 秒展平成数据框，并写出自己的 JSON 配置文件。

1. 你将学到

JSON 与 XML 是什么，什么时候用
jsonlite 包安装与 4 个核心函数
fromJSON 读取 JSON（嵌套展平）
toJSON 输出 JSON
嵌套 JSON 实战（API 响应）
xml2 读取 XML 文件
JSON ↔ data.frame 互转
实战：API 数据批量抓取

2. 一个 API 数据的故事

(1) 痛点：API 返回嵌套 JSON

Bob做天气应用，需要从天气 API 获取数据：

JSON

{
  "status": "ok",
  "data": {
    "city": "北京",
    "date": "2024-01-15",
    "forecast": [
      {"day": "周一", "high": 5, "low": -3, "weather": "晴"},
      {"day": "周二", "high": 7, "low": -1, "weather": "多云"},
      {"day": "周三", "high": 3, "low": -5, "weather": "雪"}
    ]
  }
}

他想提取"7 天天气预报"存到 R 里分析。Python 写 requests + json 10 行；R 一行搞定——

(2) R 的解法

library(jsonlite)

# 1. 一行代码读取嵌套 JSON
weather <- fromJSON("https://api.weather.com/forecast?city=北京")

# 2. 提取 7 天预报（嵌套 → 数据框）
forecast <- weather$data$forecast  # 直接是数据框！

# 3. 写出 JSON 配置
config <- list(api_key = "xxx", cities = c("北京", "上海"))
write_json(config, "config.json", pretty = TRUE)

3 行代码搞定 API 嵌套 JSON。这就是 jsonlite 的"魔法"。

graph LR
    A[API URL<br/>weather.com/forecast] --> B[jsonlite::fromJSON]
    B --> C{嵌套 JSON}
    C --> D[forecast 数组<br/>自动转 data.frame]
    C --> E[current 对象<br/>自动转 list]
    D --> F[dplyr 分析<br/>7 天预报]
    D --> G[ggplot2 画图<br/>趋势可视化]
    E --> H[实时天气数据]

    style A fill:#cce5ff
    style B fill:#d4edda
    style C fill:#fff3cd
    style D fill:#f8d7da
    style E fill:#e1d4ff
    style F fill:#ffe1d4
    style G fill:#cce5ff
    style H fill:#d4edda

3. JSON vs XML：什么时候用谁？

graph TB
    subgraph JSON[JSON 阵营]
        J1[语法: 键值对 简洁]
        J2[类型: 数字/字符串/布尔/数组/对象]
        J3[解析: 快 C 语言实现]
        J4[R 包: jsonlite]
    end

    subgraph XML[XML 阵营]
        X1[语法: 标签嵌套 冗长]
        X2[类型: 全是字符串]
        X3[解析: 较慢]
        X4[R 包: xml2]
    end

    JSON --> J5[Web API / NoSQL / 配置文件]
    XML --> X5[老企业系统 / SOAP / RSS / SVG]

    style JSON fill:#d4edda
    style XML fill:#f8d7da

(1) 两种格式对比

特性	JSON	XML
全称	JavaScript Object Notation	eXtensible Markup Language
语法	`{"key": "value"}`	`<key>value</key>`
可读性	简洁	冗长
数据类型	数字、字符串、布尔、null、数组、对象	全是字符串
解析速度	快	较慢
主要场景	Web API、NoSQL、配置文件	老企业系统、SOAP、文档（RSS、SVG）
R 包	`jsonlite`	`xml2`

(2) JSON 实例

JSON

{
  "name": "Alice",
  "age": 25,
  "is_student": true,
  "scores": [85, 90, 92],
  "address": {
    "city": "北京",
    "zip": "100000"
  }
}

(3) XML 实例

XML

<student>
  <name>Alice</name>
  <age>25</age>
  <scores>
    <item>85</item>
    <item>90</item>
    <item>92</item>
  </scores>
  <address>
    <city>北京</city>
    <zip>100000</zip>
  </address>
</student>

💡 提示：新项目几乎都用 JSON——简洁、易读、解析快。只有老企业系统、政府数据还在用 XML。

4. jsonlite 4 个核心函数

(1) 函数速查表

函数	作用
`fromJSON()`	JSON → R 对象（list / data.frame）
`toJSON()`	R 对象 → JSON 字符串
`read_json()`	读 JSON 文件/URL
`write_json()`	写 JSON 文件

(2) fromJSON 详解

library(jsonlite)

# 1. 读取 JSON 字符串
json_str <- '{"name": "Alice", "age": 25}'
fromJSON(json_str)
# $name
# [1] "Alice"
# 
# $age
# [1] 25

# 2. 读取 JSON 文件
df <- fromJSON("data.json")

# 3. 读取 URL（API）
weather <- fromJSON("https://api.example.com/weather?city=beijing")

# 4. 直接展开为数据框
json_array <- '[{"name": "A", "age": 20}, {"name": "B", "age": 25}]'
fromJSON(json_array)
#   name age
# 1    A  20
# 2    B  25  ← 自动转数据框！

(3) 嵌套 JSON 自动展平

nested <- '{
  "status": "ok",
  "data": {
    "city": "北京",
    "forecast": [
      {"day": "周一", "high": 5, "low": -3},
      {"day": "周二", "high": 7, "low": -1}
    ]
  }
}'

result <- fromJSON(nested)
str(result)
# List of 2
#  $ status: chr "ok"
#  $ data  : List of 2
#   ..$ city     : chr "北京"
#   ..$ forecast :'data.frame':	2 obs. of  3 variables:
#   .. ..$ day  : chr [1:2] "周一" "周二"
#   .. ..$ high: num [1:2] 5 7
#   .. ..$ low : num [1:2] -3 -1

# 嵌套数组自动转数据框！
result$data$forecast
#   day high low
# 1 周一    5  -3
# 2 周二    7  -1

💡 提示：jsonlite 的核心魔法是自动展平嵌套数组为数据框——其他语言（如 Python）要手动 flatten。

5. toJSON 详解

(1) 基本语法

toJSON(x, pretty = FALSE, auto_unbox = FALSE, dataframe = "columns")

(2) 实战

# 1. 数据框 → JSON
df <- data.frame(name = c("A", "B"), age = c(20, 25))
toJSON(df)
# [{"name":"A","age":20},{"name":"B","age":25}]

# 2. 美化输出（带缩进）
toJSON(df, pretty = TRUE)
# [
#   {
#     "name": "A",
#     "age": 20
#   },
#   {
#     "name": "B",
#     "age": 25
#   }
# ]

# 3. 列表 → JSON
config <- list(
  api_key = "secret123",
  cities = c("北京", "上海", "广州"),
  options = list(timeout = 30, retry = 3)
)
toJSON(config, pretty = TRUE)
# {
#   "api_key": "secret123",
#   "cities": ["北京", "上海", "广州"],
#   "options": {
#     "timeout": 30,
#     "retry": 3
#   }
# }

(3) 关键参数

参数	作用	默认
`pretty`	美化（带缩进）	FALSE
`auto_unbox`	长度 1 的向量自动去掉数组	FALSE
`dataframe`	数据框展开方式	"columns"

# auto_unbox：让单个值不变成数组
toJSON(list(name = "Alice", scores = c(85)))  # 默认
# {"name":["Alice"],"scores":[85]}

toJSON(list(name = "Alice", scores = c(85)), auto_unbox = TRUE)
# {"name":"Alice","scores":85}  ← 单值不数组化

(4) write_json 写文件

# 写 JSON 文件
write_json(config, "config.json", pretty = TRUE)

# 写紧凑 JSON（不缩进）
write_json(data, "data.json")

# 追加到文件（先 read 再合并再 write）
old <- read_json("data.json", simplifyVector = FALSE)
new <- c(old, list(updated_at = Sys.time()))
write_json(new, "data.json", pretty = TRUE)

6. 实战：API 数据批量抓取

(1) 真实 API 调用

library(jsonlite)
library(dplyr)

# 调用一个公共 API（GitHub 用户信息）
user_info <- fromJSON("https://api.github.com/users/hadley")
str(user_info)
# List of 50+
#  $ login              : chr "hadley"
#  $ id                 : int 4192
#  $ name               : chr "Hadley Wickham"
#  $ company            : chr "@posit-pbc"
#  $ location           : chr "Houston, TX"
#  $ public_repos       : int 50
#  ...

# 提取关键字段
info <- tibble(
  name = user_info$name,
  company = user_info$company,
  repos = user_info$public_repos,
  followers = user_info$followers
)
print(info)

(2) 批量抓取多用户

# 批量获取多个 GitHub 用户的仓库数
users <- c("hadley", "yihui", "jtleek", "rstudio")

repos_data <- lapply(users, function(user) {
  info <- fromJSON(paste0("https://api.github.com/users/", user))
  tibble(
    user = user,
    repos = info$public_repos,
    followers = info$followers,
    created_at = as.Date(info$created_at)
  )
}) |> bind_rows()

print(repos_data)

7. xml2：读 XML 文件

(1) 安装和核心函数

install.packages("xml2")
library(xml2)

# 4 个核心函数
read_xml()        # 读 XML 文档
xml_find_all()    # XPath 查询节点
xml_text()        # 提取节点文本
xml_attr()        # 提取节点属性

(2) 实战：读 RSS 订阅

# 1. 读 RSS（XML 格式）
rss <- read_xml("https://www.r-bloggers.com/feed")

# 2. 提取所有 <item> 节点
items <- xml_find_all(rss, "//item")
cat("找到", length(items), "篇文章\n")

# 3. 提取每篇文章的标题、链接、日期
articles <- tibble(
  title = xml_text(xml_find_all(items, "./title")),
  link = xml_attr(xml_find_all(items, "./link"), "href"),
  pub_date = xml_text(xml_find_all(items, "./pubDate"))
)

print(head(articles, 3))

(3) 实战：读 SVG（XML 图像）

# SVG 是 XML 格式
svg <- read_xml("logo.svg")
# 提取所有 <circle> 的 cx, cy, r 属性
circles <- xml_find_all(svg, "//circle")
data.frame(
  cx = as.numeric(xml_attr(circles, "cx")),
  cy = as.numeric(xml_attr(circles, "cy")),
  r = as.numeric(xml_attr(circles, "r"))
)

8. 实战：JSON 配置文件读写

(1) 项目结构

TEXT 📖 仅展示

project/
├── config.json          # 配置文件
├── R/
│   ├── main.R           # 主程序
│   └── utils.R          # 工具函数
└── data/
    └── input.json       # 输入数据

(2) config.json 示例

JSON

{
  "api": {
    "key": "your-api-key",
    "endpoint": "https://api.example.com",
    "timeout": 30
  },
  "cities": ["北京", "上海", "广州", "深圳"],
  "options": {
    "log_level": "info",
    "max_retries": 3
  }
}

(3) R 程序加载配置

# 加载配置
config <- read_json("config.json", simplifyVector = FALSE)
print(config$cities)
# [1] "北京" "上海" "广州" "深圳"

# 使用配置
for (city in config$cities) {
  url <- paste0(config$api$endpoint, "?city=", city, "&key=", config$api$key)
  data <- fromJSON(url)
  # 处理 data...
}

# 更新配置
config$options$log_level <- "debug"
write_json(config, "config.json", pretty = TRUE, auto_unbox = TRUE)

9. 完整示例：API 数据抓取 + JSON 持久化

下面是一个完整工作流示例，把本课所有知识串起来。

▶ 示例：天气 API 数据抓取 + 持久化

R 📖 仅展示

# ============================================
# 天气 API 数据抓取 + 持久化
# 功能：模拟抓取 4 城市天气，存为 JSON
# ============================================

library(jsonlite)
library(dplyr)

# 1. 模拟 API 响应（实际项目用 fromJSON(url)）
mock_api_response <- function(city) {
  set.seed(match(city, c("北京", "上海", "广州", "深圳")))
  list(
    status = "ok",
    data = list(
      city = city,
      date = Sys.Date(),
      current = list(
        temp = sample(0:30, 1),
        humidity = sample(40:90, 1),
        weather = sample(c("晴", "多云", "雨", "雪"), 1)
      ),
      forecast = data.frame(
        day = c("今天", "明天", "后天", "大后天"),
        high = sample(5:30, 4),
        low = sample(-5:15, 4),
        weather = sample(c("晴", "多云", "雨", "雪"), 4, replace = TRUE),
        stringsAsFactors = FALSE
      )
    )
  )
}

# 2. 批量抓取 4 城市
cities <- c("北京", "上海", "广州", "深圳")
cat("=== 抓取 4 城市天气 ===\n")
all_weather <- lapply(cities, mock_api_response)
names(all_weather) <- cities

# 3. 提取所有预报（嵌套 → 数据框）
all_forecast <- bind_rows(lapply(all_weather, function(w) {
  fc <- w$data$forecast
  fc$city <- w$data$city
  fc
}))

cat("\n=== 4 城市未来 4 天预报 ===\n")
print(all_forecast)

# 4. 提取当前天气（嵌套 → 数据框）
current_weather <- bind_rows(lapply(all_weather, function(w) {
  cw <- w$data$current
  tibble(
    city = w$data$city,
    temp = cw$temp,
    humidity = cw$humidity,
    weather = cw$weather
  )
}))

cat("\n=== 当前天气 ===\n")
print(current_weather)

# 5. 保存为 JSON
write_json(all_weather, "all_weather.json", pretty = TRUE, auto_unbox = TRUE)
cat("\n=== 已保存 all_weather.json ===\n")

# 6. 保存为压缩 JSON（去除缩进）
write_json(all_weather, "all_weather_compact.json", auto_unbox = TRUE)

# 7. 读取回 JSON 验证
reloaded <- read_json("all_weather.json", simplifyVector = FALSE)
cat("\n=== 读回验证 ===\n")
cat("城市数：", length(reloaded), "\n")
cat("北京当前温度：", reloaded$北京$data$current$temp, "°C\n")

# 8. 写出单城市精简 JSON 配置
config <- list(
  api_key = "secret-key-xxx",
  default_city = "北京",
  update_interval = 3600,
  enabled_cities = cities
)
write_json(config, "config.json", pretty = TRUE, auto_unbox = TRUE)
cat("\n=== 配置文件已生成 config.json ===\n")

# 9. 读取配置文件
loaded_config <- read_json("config.json", simplifyVector = FALSE)
cat("默认城市：", loaded_config$default_city, "\n")
cat("启用城市：", paste(loaded_config$enabled_cities, collapse = ", "), "\n")

# 10. 用 jsonlite 处理 API 错误
cat("\n=== 错误处理示例 ===\n")
error_response <- '{"status": "error", "message": "Invalid API key"}'
result <- tryCatch(
  {
    parsed <- fromJSON(error_response)
    if (parsed$status == "error") stop(parsed$message)
    parsed
  },
  error = function(e) {
    cat("API 错误：", e$message, "\n")
    NULL
  }
)

逻辑代码 77 行（超过 40 行限制，仅展示）

预期输出（节选）：

TEXT 📖 仅展示

=== 4 城市未来 4 天预报 ===
   day high low weather city
1 今天    12  -3      晴  北京
2 明天    15   0     多云  北京
3 后天     8  -5      雪  北京
...

=== 当前天气 ===
# A tibble: 4 × 4
  city   temp humidity weather
  <chr> <int>    <int> <chr>  
1 北京     18       65 晴     
2 上海     22       78 多云   
3 广州     28       85 雨     
4 深圳     26       72 多云

❓ 常见问题

Q fromJSON 返回 list 怎么转 data.frame？

A 嵌套数组自动转数据框；纯 list 用 as.data.frame() 或 dplyr::bind_rows() 强转。

Q JSON 里有 null 怎么转 R？

A null → NA，true → TRUE，false → FALSE，数组 → 列表/数据框。jsonlite 自动处理。

📖 小节

JSON 是 Web API 标准格式，XML 在老企业系统/RSS/SVG 还在用
jsonlite 是 R 处理 JSON 的标准：纯 R 依赖、自动展平嵌套数据、性能好
4 个核心函数：fromJSON / toJSON / read_json / write_json
jsonlite 魔法：嵌套数组自动转 data.frame（其他语言要手动 flatten）
toJSON() 关键参数：pretty（美化）、auto_unbox（单值不数组化）
xml2 读 XML：4 个函数 read_xml xml_find_all xml_text xml_attr，配合 XPath
JSON 适合存配置文件（人可读 + 通用）；R 内部用 saveRDS（保留类型）

📝 作业

基础题：构造一个嵌套 JSON 字符串（含 name age scores 数组），用 fromJSON() 解析，再用 toJSON(pretty = TRUE) 输出美化版本，验证嵌套数据正确展平。
基础题：把 1 个数据框（5 行 3 列）写出为 JSON，再用 read_json() 读回，验证数据完整。
基础题：用 xml2 读 1 个简单 XML 字符串，提取所有 <item> 节点的 name 属性和文本内容，输出数据框。
进阶题：模拟 1 个 API 响应（含 status data forecast 嵌套结构），用 fromJSON 解析后用 bind_rows 合并 forecast 数组为数据框。
挑战题：写一个完整程序：① 创建 1 个包含 3 个城市的天气 JSON 文件；② 读取并提取所有城市的当前温度；③ 算出全国平均温度；④ 把结果用 write_json 写回新文件。截图保存控制台输出。

Web-Tutorial 技术团队

由多位开发者共同维护的编程教程平台。每篇教程由对应领域的开发者编写和审核，确保内容准确可靠。如发现任何问题，欢迎向我们反馈。

关于我们

R: R JSON 与 XML

1. 你将学到

2. 一个 API 数据的故事

(1) 痛点：API 返回嵌套 JSON

(2) R 的解法

3. JSON vs XML：什么时候用谁？

(1) 两种格式对比

(2) JSON 实例

(3) XML 实例

4. jsonlite 4 个核心函数

(1) 函数速查表

(2) fromJSON 详解

(3) 嵌套 JSON 自动展平

5. toJSON 详解

(1) 基本语法

(2) 实战

(3) 关键参数

(4) write_json 写文件

6. 实战：API 数据批量抓取

(1) 真实 API 调用

(2) 批量抓取多用户

7. xml2：读 XML 文件

(1) 安装和核心函数

(2) 实战：读 RSS 订阅

(3) 实战：读 SVG（XML 图像）

8. 实战：JSON 配置文件读写

(1) 项目结构

(2) config.json 示例

(3) R 程序加载配置

9. 完整示例：API 数据抓取 + JSON 持久化

▶ 示例：天气 API 数据抓取 + 持久化

❓ 常见问题

📖 小节

📝 作业

🙏 帮我们做得更好